动态视觉检测成像模糊、检测结果不可靠,现有图像复原技术估算性能欠佳、异常数据敏感、运行时间长。本文以“动态视觉检测模糊图像复原关键技术研究”为题,研究运动模糊核估算技术、逆卷积建模技术、振铃效应抑制技术,这对于实现检测装备智能化、自动化,推动先进制造业发展具有重要作用与实际意义。论文工作得到广州市产业技术重大攻关计划（201802030006）、广东省现代几何与力学计量技术重点实验室开放课题（SCMKF201801）资助。论文研究动态视觉检测模糊图像复原关键技术,从运动模糊核估算技术、逆卷积建模技术、振铃效应抑制技术3个方面,综述国内外研究进展,确定研究内容。论文主要工作包括:（1）分析动态视觉检测系统具体工作流程,设计运动模糊图像复原系统框架,重点分析基于特征提取的动态视觉检测模糊核估算技术、基于深度学习的动态视觉检测逆卷积建模技术、动态视觉检测异常数据振铃效应抑制技术及其实现方法。（2）根据运动模糊核估算技术分析,研究频谱条纹方向与模糊角度之间关系,推导频谱估算模糊角度方法,分析直线运动模糊核对显著边缘产生的相关性及其行列方向自相关函数分布特点,根据自相关函数特征点信息推算模糊长度,实现任意方向直线运动模糊核估算;结合自相关函数为二元函数特点,将自相关函数形象地可视化为立体曲面,利用曲面特征点方位信息,分析特征点方位与模糊核双参数的关系,实现直线运动模糊核双参数独立估算;实验表明所述算法在SNR=20 d B噪声水平下依然具有较好表现。（3）根据逆卷积建模技术分析,从逆卷积性能特点入手,设计基于深度学习的动态视觉检测逆卷积建模技术方案;应用变量分裂法解耦能量泛函,拆分为保真子问题、正则子问题,保真子问题由任务驱动,研究高斯保真项、泊松保真项,保障拟合优度;正则子问题由数据驱动,引入CNN（Convolutional Neural Network）,在大范围噪声水平自适应学习图像先验,该技术省去人工设计正则项、保留跨任务迁移性、运行速度快,具备即插即用功能,实现能量泛函与深度学习结合;实验表明所述算法PSNR平均提升30.79%,最高可达31.75 d B,运行速度较传统算法平均提高两个数量级。（4）根据振铃效应抑制技术分析,分别从边界截断、过曝像素成因及作用机理入手,设计动态视觉检测异常数据振铃效应抑制技术方案;通过外插边界生成平铺图像,改善边界截断;改进高斯、泊松保真子问题,结合FFDNet（Fast and Flexible Denoising Network）在逆卷积过程检测过曝像素并剔除,实现异常数据振铃效应抑制,进一步提高复原图像质量,完善动态视觉检测模糊图像复原;实验表明与主流逆卷积相比,所述算法SSIM、FSIM提升0.05%—20.42%不等,并在主观视觉、运行时间均有优势。（5）设置应用平台软硬件,将所述运动模糊图像复原技术分别应用于动态目标检测、动态尺寸检测,以复原前后检测精度变化为量化指标评价图像复原质量,进一步验证运动模糊图像复原技术在动态视觉检测中的可行性、有效性;实验表明复原后目标检测精度平均提升35.48%、尺寸检测误差平均减少98.23%。
暂无评论